GPT‑5.3‑Codex‑ийг танилцуулж байна

Бид Codex-ийн хийж чадах зүйлийг улам өргөжүүлсэн шинэ загварыг танилцуулж байна: өнөөдрийг хүртэлх хамгийн чадвартай агент кодчиллын загвар GPT‑5.3‑Codex. Энэ загвар нь GPT‑5.2‑Codex‑ийн хил хязгаар кодчиллын гүйцэтгэл болон GPT‑5.2‑ийн сэтгэн бодох, мэргэжлийн мэдлэгийн чадварыг нэг загварт нэгтгэн ахиулж, мөн 25% илүү хурдан болсон. Ингэснээр судалгаа, хэрэгсэл ашиглалт, төвөгтэй гүйцэтгэл шаардсан удаан үргэлжлэх ажлуудыг хийж чадна. Хамтран ажиллагчтай адил та GPT‑5.3‑Codex ажиллаж байх үед нь контекстээ алдалгүй чиглүүлж, харилцаж чадна.

GPT‑5.3‑Codex бол өөрийгөө бүтээхэд чухал үүрэг гүйцэтгэсэн манай анхны загвар юм. Codex баг эртний хувилбаруудыг нь ашиглан өөрийн сургалтыг нь алдаагүй болгож, өөрийн нэвтрүүлэлтийг удирдаж, туршилтын үр дүн болон үнэлгээг оношилсон—Codex өөрийн хөгжүүлэлтийг хэр их хурдасгаж чадсанд манай баг гайхширсан.

GPT‑5.3‑Codex‑ийн тусламжтайгаар Codex нь код бичиж, хянадаг агент байснаас хөгжүүлэгчид болон мэргэжилтнүүдийн компьютер дээр хийж чадах бараг бүхнийг хийж чаддаг агент болж байна.

GPT‑5.3‑Codex нь SWE-Bench Pro болон Terminal-Bench дээр салбарын шинэ дээд үзүүлэлтийг тогтоож, OSWorld болон GDPval дээр хүчтэй гүйцэтгэл үзүүлж байна. Эдгээр нь кодчилол, агент чанар болон бодит ертөнцийн чадварыг хэмжихэд ашигладаг дөрвөн benchmark юм.

GPT‑5.3‑Codex нь бодит ертөнцийн програм хангамжийн инженерчлэлийг хатуу шалгадаг SWE-Bench Pro дээр хамгийн шилдэг гүйцэтгэлд хүрч байна. SWE‑bench Verified зөвхөн Python-ыг шалгадаг бол SWE‑Bench Pro нь дөрвөн хэлийг хамарч, contamination-д илүү тэсвэртэй, илүү сорилттой, олон талт, салбарт илүү хамааралтай. Мөн Codex шиг кодчиллын агент-д хэрэгтэй терминалын ур чадварыг хэмждэг Terminal-Bench 2.0 дээр өмнөх хамгийн өндөр үзүүлэлтийг хол давж байна. Онцлоход, GPT‑5.3‑Codex үүнийг өмнөх аль ч загвараас цөөн токеноор хийж, хэрэглэгчдэд илүү их бүтээх боломж олгож байна.

Хил хязгаар кодчиллын чадвар, гоо зүйн сайжруулалт, compaction-ыг хослуулснаар энэ загвар өдрүүдийн турш эхнээс нь маш ажиллагаатай, төвөгтэй тоглоом, аппуудыг бүтээх гайхалтай ажил хийж чадна. Загварын вэб хөгжүүлэлт болон удаан үргэлжлэх агент чадварыг шалгахын тулд бид GPT‑5.3‑Codex-оос хоёр тоглоом бүтээхийг хүссэн: Codex аппын нээлт⁠-ын уралдааны тоглоомын хоёр дахь хувилбар, мөн шумбалтын тоглоом. develop web game skill болон “алдааг зас”, “тоглоомыг сайжруул” гэх мэт урьдчилан сонгосон ерөнхий дагалдах өгөгдлүүдийг ашиглан GPT‑5.3‑Codex тоглоомууд дээр сая сая токены турш бие даан давтан сайжруулалт хийсэн. Codex юу хийж чаддгийг харахын тулд трейлерүүдийг үзэж, тоглоомуудыг өөрөө тоглоод үзээрэй.

GPT‑5.3‑Codex нь мөн өдөр тутмын вэбсайт хийхийг хүсэхэд GPT‑5.2‑Codex‑оос илүү таны зорилгыг ойлгодог. Энгийн эсвэл дутуу тодорхойлсон өгөгдлүүд одоо илүү их ажиллагаа, оновчтой анхдагч тохиргоотой сайтуудыг үндсэн сонголтоор гаргаж, санаагаа бодит болгоход илүү хүчтэй эхлэл өгч байна.

Жишээлбэл, бид GPT‑5.3‑Codex болон GPT‑5.2‑Codex‑оос доорх хоёр landing page-ийг бүтээхийг хүссэн. GPT‑5.3‑Codex жилийн багцыг автоматаар хөнгөлөлттэй сарын үнээр харуулсан нь жилийн нийт дүнг үржүүлэхийн оронд хямдралыг тодорхой, санаатай мэт мэдрүүлсэн. Мөн зөвхөн нэг биш, гурван өөр хэрэглэгчийн ишлэлтэй автоматаар шилждэг testimonial carousel хийснээр хуудас нь анхнаасаа илүү бүрэн, продакшнд бэлэн мэт болсон.

Програм хангамжийн инженерүүд, дизайнерууд, бүтээгдэхүүний менежерүүд, өгөгдлийн шинжээчид зөвхөн код үүсгэхээс хавьгүй их зүйл хийдэг. GPT‑5.3‑Codex нь програм хангамжийн мөчлөг дэх бүх ажлыг—алдаа засах, нэвтрүүлэх, хянах, PRD бичих, copy засварлах, хэрэглэгчийн судалгаа, тест, метрик болон бусдыг—дэмжихээр бүтээгдсэн. Түүний агент чадварууд нь програм хангамжаас давж, слайд багц хийх эсвэл sheet дээр өгөгдөл шинжлэх гэх мэт таны бүтээхийг хүссэн юуг ч бүтээхэд тусална.

Өмнөх GDPval үр дүнд ашигласан төстэй custom skill-үүдийн хамт GPT‑5.3‑Codex нь мөн GDP⁠val⁠-аар хэмжигддэг мэргэжлийн мэдлэгийн ажлууд дээр хүчтэй гүйцэтгэл үзүүлж, GPT‑5.2‑той дүйцэж байна. GDPval бол OpenAI 2025 онд нийтэлсэн, 44 мэргэжлийг хамарсан сайн тодорхойлогдсон мэдлэгийн ажлын даалгаврууд дээр загварын гүйцэтгэлийг хэмждэг үнэлгээ юм. Эдгээр даалгаварт танилцуулга, хүснэгт болон бусад ажлын бүтээгдэхүүн хийх зэрэг зүйлс орно.

Доор агентын бүтээсэн ажлын цөөн хэдэн жишээ байна.

OSWorld бол агент нь харааны desktop компьютерийн орчинд бүтээмжийн даалгавруудыг гүйцэтгэх ёстой агент компьютер ашиглалтын benchmark юм. GPT‑5.3‑Codex нь өмнөх GPT загваруудаас хавьгүй хүчтэй компьютер ашиглалтын чадвар харуулж байна.

Кодчилол, frontend, компьютер ашиглалт болон бодит ертөнцийн даалгавруудын эдгээр үр дүнгүүд нийлээд GPT‑5.3‑Codex нь зөвхөн тус тусын даалгаварт илүү сайн биш, харин бодит ертөнцийн техникийн ажлын бүрэн хүрээнд сэтгэн бодож, бүтээж, гүйцэтгэж чаддаг нэг ерөнхий зориулалтын агент руу чиглэсэн чанарын том үсрэлтийг илэрхийлж байгааг харуулж байна.

Загварын чадвар илүү хүчирхэг болохын хэрээр ялгаа нь агентууд юу хийж чадахаас бус, харин олон агент зэрэг ажиллаж байхад хүмүүс тэдэнтэй хэр амархан харилцаж, чиглүүлж, хянаж чадахаас шалтгаалах болж байна. Codex апп нь агентуудыг удирдах, чиглүүлэхийг илүү хялбар болгодог бөгөөд одоо GPT‑5.3‑Codex‑тойгоор улам интерактив болсон. Шинэ загвартайгаар Codex нь байнгын шинэчлэлт өгч, ажиллах явцад чухал шийдвэр, явцын талаар танд мэдээлэлтэй байлгана. Эцсийн үр дүнг хүлээхийн оронд та бодит цагт харилцаж чадна—асуулт асууж, арга хандлагыг ярилцаж, шийдэл рүү чиглүүлж болно. GPT‑5.3‑Codex юу хийж байгаагаа тайлбарлаж, санал хүсэлтэд хариулж, эхнээс нь дуустал таныг үйл явцад хамт байлгана.

Сүүлийн үеийн Codex-ийн хурдацтай сайжруулалтууд нь OpenAI-ийн бүх хүрээнд сар, жилээр үргэлжилсэн судалгааны төслүүдийн үр шим дээр тулгуурлаж байна. Эдгээр судалгааны төслүүдийг Codex хурдасгаж байгаа бөгөөд OpenAI-ийн олон судлаач, инженерүүд өнөөдөр ажлаа ердөө хоёр сарын өмнөхтэй харьцуулахад үндсэндээ өөр болсон гэж тайлбарлаж байна. GPT‑5.3‑Codex‑ийн эртний хувилбарууд хүртэл онцгой чадвар харуулсан бөгөөд манай баг тэдгээр өмнөх хувилбаруудтай хамтран сургалтыг сайжруулж, дараагийн хувилбаруудын нэвтрүүлэлтийг дэмжих боломжтой болсон.

Codex нь маш өргөн хүрээний даалгаварт ашигтай тул манай багуудад хэрхэн тусалдаг бүх аргыг бүрэн тоочиход бэрх. Жишээ нь, судалгааны баг энэ хувилбарын сургалтын явцыг хянах, алдааг засахад Codex-ийг ашигласан. Энэ нь дэд бүтцийн асуудлыг засахаас давсан судалгааг хурдасгасан: сургалтын явц дахь хэв маягийг мөрдөхөд тусалж, харилцан үйлчлэлийн чанарт гүнзгий шинжилгээ хийж, засварын санал гаргаж, загварын зан төлөв өмнөх загваруудаас хэрхэн ялгаатай байгааг хүний судлаачид нарийвчлалтай ойлгох баялаг аппуудыг бүтээсэн.

Инженерийн баг GPT‑5.3‑Codex‑д зориулсан harness-ийг оновчлох, тохируулахад Codex-ийг ашигласан. Хэрэглэгчдэд нөлөөлсөн хачирхалтай edge case-ууд гарч эхлэхэд багийн гишүүд Codex-ийг ашиглан context rendering алдаануудыг илрүүлж, cache hit rate бага байсны үндсэн шалтгааныг тогтоосон. GPT‑5.3‑Codex нь мөн нээлтийн туршид GPU cluster-үүдийг урсгалын огцом өсөлтөд тааруулан динамикаар өргөтгөж, latency-г тогтвортой байлгахад багт үргэлжлэн тусалж байна.

Альфа туршилтын үеэр нэг судлаач GPT‑5.3‑Codex нэг turn тутамд хэр их нэмэлт ажил хийж байгаа болон түүнтэй холбоотой бүтээмжийн ялгааг ойлгохыг хүссэн. GPT‑5.3‑Codex нь тодруулгын давтамж, хэрэглэгчийн эерэг ба сөрөг хариу, даалгаврын явцыг тооцоолоход зориулсан хэд хэдэн энгийн regex ангилагч гаргаж ирээд, дараа нь тэдгээрийг бүх сессийн лог дээр өргөтгөн ажиллуулж, дүгнэлттэй тайлан гаргасан. Codex-ээр бүтээж байсан хүмүүс агент нь тэдний зорилгыг илүү сайн ойлгож, нэг turn тутамд илүү ахиц гаргаж, тодруулга асуух нь багассанд илүү сэтгэл хангалуун байсан.

GPT‑5.3‑Codex нь өмнөх хувилбаруудаасаа маш өөр байсан тул альфа туршилтын өгөгдөлд олон тооны хачирхалтай, зөн совинд харш үр дүн ажиглагдсан. Багийн нэг өгөгдлийн шинжээч GPT‑5.3‑Codex‑той хамтран шинэ өгөгдлийн pipeline-ууд бүтээж, манай стандарт dashboard хэрэгслүүдээс хавьгүй баялаг байдлаар үр дүнг дүрсэлсэн. Үр дүнг Codex-той хамт шинжилж, тэр нь мянга мянган өгөгдлийн цэг дээрх гол ойлголтуудыг гурван минутаас бага хугацаанд товч дүгнэсэн.

Тус тусдаа авч үзвэл эдгээр бүх даалгавар нь Codex судлаачид болон бүтээгдэхүүн бүтээгчдэд хэрхэн тусалж чаддгийн сонирхолтой жишээнүүд юм. Харин нийлээд авч үзвэл эдгээр шинэ чадварууд нь манай судалгаа, инженерчлэл, бүтээгдэхүүний багуудын ажлыг хүчтэй хурдасгасныг бид олж харсан.

Сүүлийн саруудад бид кибер аюулгүй байдлын даалгаврууд дээр загварын гүйцэтгэл мэдэгдэхүйц сайжирсныг харсан бөгөөд энэ нь хөгжүүлэгчид болон аюулгүй байдлын мэргэжилтнүүдэд хоёуланд нь ашиг тусаа өгч байна. Үүнтэй зэрэгцэн бид хамгаалалтын хэрэглээ болон экосистемийн илүү өргөн уян хатан байдлыг дэмжихийн тулд сайжруулсан кибер хамгаалалтуудыг бэлтгэж⁠ байна.

GPT‑5.3‑Codex бол манай Preparedness Framework⁠-ийн дагуу кибер аюулгүй байдалтай холбоотой даалгавруудын хувьд Өндөр чадвартай⁠ гэж ангилсан анхны загвар бөгөөд програм хангамжийн эмзэг байдлыг илрүүлэхээр шууд сургасан анхны загвар юм. Тэр нь кибер халдлагыг эхнээс нь дуустал автоматжуулж чадна гэсэн эцсийн нотолгоо бидэнд байхгүй ч бид урьдчилан сэргийлэх хандлага баримталж, өнөөдрийг хүртэлх хамгийн иж бүрэн кибер аюулгүй байдлын safety stack-аа нэвтрүүлж байна. Манай mitigation-д safety сургалт, автомат хяналт, дэвшилтэт чадваруудад trusted access, мөн threat intelligence-ийг багтаасан enforcement pipeline-ууд орно.

Кибер аюулгүй байдал нь угтаа dual-use шинжтэй тул бид хамгаалагчдын эмзэг байдлыг олох, засах чадварыг хурдасгаж, буруу ашиглалтыг сааруулах нотолгоонд суурилсан, давталттай хандлага баримталж байна. Үүний нэг хэсэг болгон бид кибер хамгаалалтын судалгааг хурдасгах pilot хөтөлбөр болох Trusted Access for Cyber⁠-ийг эхлүүлж байна.

Буруу ашиглалтаас сэргийлэхийн тулд манай системүүд өндөр кибер эрсдэлтэй гэж илрүүлсэн зарим хүсэлтийг GPT‑5.3‑Codex‑оос GPT‑5.2 руу автоматаар шилжүүлж магадгүй. Бид эдгээр хамгаалалтыг үргэлжлүүлэн сайжруулж байна. Аюулгүй байдлын судалгаа хийж буй хөгжүүлэгчид эсвэл хүсэлт нь буруу ангилагдсан гэж үзэж буй хүмүүс Trusted Access for Cyber хөтөлбөрөөр дамжин бүрэн access хүсэх эсвэл /feedback командыг ашиглан асуудлыг мэдээлж болно.

Бид мөн Codex Security бүтээгдэхүүн, хэрэгслүүдийн цувралын анхны санал болох манай аюулгүй байдлын судалгааны агент Aardvark⁠-ийн private beta-г өргөжүүлэх зэрэг экосистемийн хамгаалалтад хөрөнгө оруулж, мөн Next.js зэрэг өргөн хэрэглээтэй төслүүдэд үнэгүй codebase scan хийхээр нээлттэй эхийн maintainer-уудтай хамтран ажиллаж байна—энд нэг аюулгүй байдлын судлаач Codex-ийг ашиглан өнгөрсөн долоо хоногт ил болгосон⁠(шинэ цонхонд нээгдэнэ) эмзэг байдлуудыг олсон.

2023 онд эхлүүлсэн $1M Cybersecurity Grant Program дээрээ суурилан бид мөн хамгийн чадвартай загваруудаараа кибер хамгаалалтыг хурдасгах зорилгоор, ялангуяа нээлттэй эхийн програм хангамж болон чухал дэд бүтцийн системүүдэд зориулж $10M API credit амлаж байна. Шударга санаатай аюулгүй байдлын судалгаа хийж буй байгууллагууд Cybersecurity Grant Program⁠-аар дамжин API credit болон дэмжлэг хүсэх боломжтой.

GPT‑5.3‑Codex нь ChatGPT‑ийн төлбөртэй багцтай хэрэглэгчдэд Codex ашиглаж болох бүх газарт—апп, CLI, IDE өргөтгөл, вэб—боломжтой. Бид API access-ийг аюулгүйгээр удахгүй нээхээр ажиллаж байна.

Энэ шинэчлэлтээр бид мөн дэд бүтэц болон inference stack-ийн сайжруулалтын ачаар Codex хэрэглэгчдэд GPT‑5.3‑Codex‑ийг 25% илүү хурдан ажиллуулж, харилцаа болон үр дүнг хоёуланг нь хурдасгаж байна.

GPT‑5.3‑Codex‑ийг NVIDIA GB200 NVL72 системүүдэд зориулан хамтран загварчилж, сургаж, үйлчилгээнд оруулсан. Түншлэлд нь NVIDIA-д бид талархаж байна.

GPT‑5.3‑Codex‑тойгоор Codex нь код бичихээс цааш гарч, түүнийг компьютер ажиллуулах, ажлыг эхнээс нь дуустал гүйцээх хэрэгсэл болгон ашиглаж байна. Кодчиллын агент юу хийж чадах хил хязгаарыг урагшлуулснаар бид илүү өргөн хүрээний мэдлэгийн ажлыг ч нээж байна—програм хангамж бүтээх, нэвтрүүлэхээс эхлээд судлах, шинжлэх, төвөгтэй даалгаврыг гүйцэтгэх хүртэл. Хамгийн сайн кодчиллын агент байх зорилгоос эхэлсэн зүйл компьютер дээрх илүү ерөнхий хамтрагчийн суурь болж, Codex-ээр хэн бүтээж чадах болон юу боломжтойг хоёуланг нь өргөжүүлж байна.